Europäische Datenallianz: Siemens formiert neue Partnerschaft zur industriellen KI-Fortschritt

Siemens hat in einem ambitionierten Schritt zur Stärkung der industriellen Künstlichen Intelligenz (KI) in Europa eine Datenallianz mit namhaften europäischen Maschinenbauunternehmen ins Leben gerufen. Der Münchner Technologiekonzern verbündet sich dabei mit renommierten Partnern wie Grob, Trumpf, Chiron, Renishaw, Heller sowie dem Werkzeugmaschinenlabor der RWTH Aachen und der Voith Group. Der Schwerpunkt dieser Zusammenarbeit liegt auf dem Austausch von anonymisierten Maschinendaten.

Die Logik hinter diesem neuen Bündnis ist klar: Je umfangreicher und hochwertiger die Datenbasis, desto leistungsfähiger die daraus entwickelten KI-Lösungen. Siemens sieht dies als Chance für die europäische Industrie, sich in der globalen KI-Landschaft besser zu positionieren, insbesondere angesichts des bisherigen Rückstands gegenüber den Vereinigten Staaten und China.

Roland Busch, der Vorstandsvorsitzende von Siemens, betont die Bedeutung dieser Initiative: „Mit unseren Kunden und Partnern schaffen wir Voraussetzungen, um industrielle KI in großem Maßstab zu fördern.“ Der europäische Markt, mit seiner starken industriellen Basis, könne dadurch einen Produktivitätsschub erfahren, wenn die vorhandenen Datenschätze für KI-Anwendungen genutzt werden. Langfristig soll diese Allianz einen offenen Standard für den Maschinendatenaustausch etablieren.

Im Gegensatz zu allgemeiner KI, wie beispielsweise ChatGPT, muss industrielle KI besonders zuverlässig sein, um kostspielige oder gefährliche Fehler zu vermeiden. Dafür bedarf es fundierter Daten aus der Praxis. „Der Zugang zu hochwertigen Maschinendaten verschiedener Hersteller ist entscheidend“, so Busch. „Diese Allianz wird die Entwicklung von KI-Systemen unterstützen, die die komplexen Anforderungen von Entwicklung und Fertigung verstehen und damit bedeutende Partner für Fachkräfte werden.“

Anwendungsmöglichkeiten sind reichlich: Von der schnelleren Erstellung von Maschinenprogrammen, die Fehlerquoten reduzieren und Programmierer entlasten, über vorausschauende Wartung mit spezifischen Vorhersagen, bis hin zu Fertigungsprozessen, die sich in Echtzeit anpassen, und einer gesteigerten Energieeffizienz.